論文の概要: Toward task-driven satellite image super-resolution
- arxiv url: http://arxiv.org/abs/2503.15474v1
- Date: Wed, 19 Mar 2025 17:49:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-20 15:23:07.658493
- Title: Toward task-driven satellite image super-resolution
- Title（参考訳）: タスク駆動型衛星画像の超解像に向けて
- Authors: Maciej Ziaja, Pawel Kowaleczko, Daniel Kostrzewa, Nicolas Longépé, Michal Kawulok,
- Abstract要約: 超解像は低分解能観測から高分解能画像を再構成することを目的としている。
再建された詳細が実際の地上情報に近いかどうかは不明な点が多い。
本稿では,超解像アルゴリズムをタスク駆動方式で学習し,高分解能画像の生成に適したものにするための取り組みについて述べる。
- 参考スコア（独自算出の注目度）: 3.1457219084519004
- License:
- Abstract: Super-resolution is aimed at reconstructing high-resolution images from low-resolution observations. State-of-the-art approaches underpinned with deep learning allow for obtaining outstanding results, generating images of high perceptual quality. However, it often remains unclear whether the reconstructed details are close to the actual ground-truth information and whether they constitute a more valuable source for image analysis algorithms. In the reported work, we address the latter problem, and we present our efforts toward learning super-resolution algorithms in a task-driven way to make them suitable for generating high-resolution images that can be exploited for automated image analysis. In the reported initial research, we propose a methodological approach for assessing the existing models that perform computer vision tasks in terms of whether they can be used for evaluating super-resolution reconstruction algorithms, as well as training them in a task-driven way. We support our analysis with experimental study and we expect it to establish a solid foundation for selecting appropriate computer vision tasks that will advance the capabilities of real-world super-resolution.
- Abstract（参考訳）: 超解像は低分解能観測から高分解能画像を再構成することを目的としている。
ディープラーニングに根ざした最先端のアプローチは、優れた結果を得ることができ、高い知覚品質の画像を生成する。
しかし、再構成された詳細が実際の真実に近いのか、画像解析アルゴリズムのより価値のある情報源であるのかは、しばしば不明である。
本報告では、後者の問題に対処し、タスク駆動方式で超解像アルゴリズムを学習し、自動画像解析に活用できる高分解能画像を生成するのに適した方法を提案する。
本報告では,超解像再構成アルゴリズムの評価やタスク駆動方式のトレーニングにおいて,コンピュータビジョンタスクを実行する既存のモデルを評価する手法を提案する。
実世界の超解像の能力を向上する適切なコンピュータビジョンタスクを選択するための確固たる基盤を確立することを期待する。
関連論文リスト
- Task-driven single-image super-resolution reconstruction of document scans [2.8391355909797644]
文書スキャンから光学的文字認識を改善するために,超解像を前処理ステップとして活用する可能性を検討する。
そこで本研究では,単一画像の超解像のための深層ネットワークをタスク駆動方式で訓練し,テキスト検出のための適応性を高めることを提案する。
論文 参考訳（メタデータ） (2024-07-12T05:18:26Z) - Reconstructing Interpretable Features in Computational Super-Resolution microscopy via Regularized Latent Search [2.7194314957925094]
改良されたディープラーニングアプローチは、2つの画像解像度またはモダリティ間のマッピングを学習することで、顕微鏡画像の解像度を人工的に向上させることができる。
GAN潜時探索に基づく最近の手法では、ペア画像を必要としない解像度が大幅に向上した。
本稿では,正則化潜在探索(RLS)に基づく高分解能超解法を提案する。
論文 参考訳（メタデータ） (2024-05-29T14:20:46Z) - High-Resolution Vision Transformers for Pixel-Level Identification of
Structural Components and Damage [1.8923948104852863]
視覚変換器とラプラシアピラミッドスケーリングネットワークに基づくセマンティックセグメンテーションネットワークを開発した。
提案手法は,橋梁検査報告画像のデータセットに関する総合的な実験を通じて評価されている。
論文 参考訳（メタデータ） (2023-08-06T03:34:25Z) - Super-Resolving Face Image by Facial Parsing Information [52.1267613768555]
顔超解像は、低解像度の顔画像を対応する高解像度の画像に変換する技術である。
我々は,低解像度の顔画像から先行する顔を抽出する,新しい解析マップ付き顔超解像ネットワークを構築した。
高解像度特徴はより正確な空間情報を含み、低解像度特徴は強い文脈情報を提供する。
論文 参考訳（メタデータ） (2023-04-06T08:19:03Z) - Lessons Learned Report: Super-Resolution for Detection Tasks in
Engineering Problem-Solving [3.7798600249187295]
本稿では、機械学習に基づく超解法アプローチを用いて、農業検出問題解決のターゲットから学んだ教訓について述べる。
超高解像度アルゴリズムは、ジェネリック写真における様々な魅力的な特徴を強化する能力でブランド化されている。
特定のデータ駆動ケーススタディを提示することにより、アグロ検出問題に対する超解像アルゴリズムの展開に関する一連の制限と勧告を概説する。
論文 参考訳（メタデータ） (2023-03-01T09:45:17Z) - Exploring Resolution and Degradation Clues as Self-supervised Signal for
Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。
本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文 参考訳（メタデータ） (2022-08-05T09:36:13Z) - 3D Human Pose, Shape and Texture from Low-Resolution Images and Videos [107.36352212367179]
本稿では,解像度認識ネットワーク,自己スーパービジョン損失,コントラスト学習スキームからなるrsc-netを提案する。
提案手法は1つのモデルで異なる解像度で3次元物体のポーズと形状を学習できる。
低解像度映像を扱うRSC-Netを拡張し、低解像度入力からテクスチャ化された3D歩行者の再構築に適用します。
論文 参考訳（メタデータ） (2021-03-11T06:52:12Z) - Analysis and evaluation of Deep Learning based Super-Resolution
algorithms to improve performance in Low-Resolution Face Recognition [0.0]
超解像アルゴリズムは、関係する被験者の識別特性を回復することができる。
このプロジェクトは、顔の超解像のタスクのための異なるディープニューラルネットワークアーキテクチャを評価し、適応することを目的とした。
実験により、一般的なスーパーレゾリューションアーキテクチャは、高レゾリューション顔で訓練されたディープニューラルネットワークのフェイス検証性能を向上させることが判明した。
論文 参考訳（メタデータ） (2021-01-19T02:41:57Z) - 3D Human Shape and Pose from a Single Low-Resolution Image with
Self-Supervised Learning [105.49950571267715]
3次元人物形状とポーズ推定のための既存のディープラーニング手法は、比較的高解像度な入力画像に依存している。
本稿では,レゾリューション・アウェア・ネットワーク,セルフ・スーパービジョン・ロス,コントラッシブ・ラーニング・スキームからなるRCC-Netを提案する。
これら2つの新たなトレーニング損失は,3次元形状を学習し,弱教師ありの姿勢を示す。
論文 参考訳（メタデータ） (2020-07-27T16:19:52Z) - Efficient Poverty Mapping using Deep Reinforcement Learning [75.6332944247741]
高解像度衛星画像と機械学習は多くのサステナビリティ関連タスクで有用であることが証明されている。
高解像度画像によって得られる精度は、そのような画像が大規模に購入するのに非常にコストがかかるため、コストがかかる。
コストの高い高解像度画像の取得場所を動的に識別するために,自由な低解像度画像を用いる強化学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-07T18:30:57Z) - Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。
ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。
提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
論文 参考訳（メタデータ） (2020-03-15T11:04:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。